BuildX

캡스톤디자인과창업프로젝트 스타트 14팀

프로젝트 개요

BuildX는 인공지능(AI) 이론을 학습했지만 코딩에 익숙하지 않은 비전공자 또는 초보자를 위해 설계된 블록 UI 기반 CNN 모델 제작 플랫폼입니다. 사용자는 블록 형태의 UI를 통해 CNN 모델을 구성하고, 이를 기반으로 자동 생성된 PyTorch 코드를 통해 GPU 환경에서 학습, 분석 및 피드백까지 받을 수 있습니다.

• 타겟 사용자: AI 이론은 이해했으나 실습 경험이 부족한 AI 초보자
• 제한 모델 유형: 이미지 분류 CNN
• 핵심 기능: 모델 설계, 코드 생성, 학습 실행, 실시간 피드백 및 오류 분석

Repository 구성

레포지토리	설명
BuildX-FE	프론트엔드 (Next.js 기반 UI)
BuildX-BE	백엔드 (FastAPI + Celery + Redis + WebSocket)
BuildX-Docs
.github	메인 실행 및 구조 설명 (본 파일)

---

주요 기술 스택

• Frontend: React, Recharts, TypeScript
• Backend: FastAPI, Celery, Docker, WebSocket
• AI: OpenAI GPT-4 API, PyTorch
• 배포 및 환경: AWS EC2, Docker Compose, Nginx

How to Build

Front-end

Requirements

• Node.js (>= 18)
• npm

Build

git clone https://github.com/highway-bestdriver/BuildX-FE.git
cd BuildX-FE
npm install
npm run dev

• 접속 주소: Buildx

Back-end

• 주요 파일: Dockerfile, docker-compose.yml, requirements.txt, app/, nginx/conf/

• 프레임워크: FastAPI + Celery + Redis + Nginx

• 실행 여부:
  docker-compose.yml과 Dockerfile이 존재하므로 도커 기반으로 실행 가능

Docker 및 Docker Compose가 설치되어 있어야 합니다.

Requirements

• Docker
• Docker Compose

Build

git clone https://github.com/highway-bestdriver/BuildX-BE.git
cd BuildX-BE
docker-compose up --build

• FastAPI 서버는 포트 8000에서 실행됩니다.
• WebSocket은 :8000/ws/log로 접속됩니다.
• Celery 작업 큐는 Redis를 브로커로 사용합니다.

How to Install & Run

전체 시스템 실행 방법

1. BuildX-FE, BuildX-BE 두 저장소를 각각 clone
2. docker-compose를 사용해 백엔드 서버 실행
3. 프론트엔드에서 접속 후 UI 기반 AI 모델 설계를 시작

How to Test

• Frontend는 Jest 기반 테스트 스크립트 포함
• Backend는 FastAPI의 Swagger UI (/docs), Postman 통해 REST API 호출 및 개별 테스트 가능
• 모델 학습 시 로그는 실시간으로 WebSocket을 통해 시각화

테스트 시나리오

• 블록 UI로 CNN 모델 설계 → 완료 후 코드 생성 버튼 클릭
• 생성된 코드 확인 → 학습
• 실시간 학습 로그 및 결과 시각화 확인
  • epoch 마다 그래프를 통해 실시간으로 결과 확인 가능
• 학습 실패 시 GPT 기반 오류 피드백 수신
• 학습 성공 시 최종 분석 및 피드백

---

Sample Data & DB

• 기본 학습용 이미지 데이터셋 (MNIST 등의 Public Dataset)은 프론트엔드에서 선택 가능
• 사용자 정의 모델 JSON 구조는 백엔드 학습 요청에 포함되며, 별도 DB는 Redis 캐시 형태로 관리

---

핵심 기능 요약

기능	설명
블록 기반 모델 설계	Conv2D, MaxPool, Flatten, Dense 등 레이어 블록 지원
GPT 기반 코드 생성	정형화된 JSON 구조 → PyTorch 코드로 자동 변환 + 코드 검증 후 반환
모델 학습 및 실행	학습 요청 시 Celery로 비동기 처리 후 GPU 학습 실행
실시간 로그 전달	WebSocket 기반으로 학습 로그 실시간 스트리밍
오류 분석 및 수정	GPT API를 통해 오류 원인 설명 및 코드 수정 제안
성능 개선 피드백	학습 결과를 바탕으로 구조 수정 제안 제공

데이터베이스

• 학습 로그 및 결과는 서버 메모리에 임시 저장 (Redis 기반)
• AWS RDS

---

Open Source License Notice

아래와 같은 외부 오픈소스를 활용하였으며, 해당 라이선스는 각 레포의 라이선스 또는 하단 NOTICE 파일에 따릅니다.

• FastAPI: https://github.com/tiangolo/fastapi
• Celery: https://github.com/celery/celery
• Redis: https://github.com/redis/redis
• React / Next.js: https://github.com/vercel/next.js
• OpenAI GPT API: https://openai.com/api/
• TensorFlow, PyTorch

---

기타 사항

• 오류 분석 및 성능 개선 기능은 모두 GPT-4 API를 활용
• 모델 학습은 PyTorch를 통해 서버에서 직접 실행되며, GPU 환경 기준으로 동작
• 학습 스크립트는 자동 생성된 PyTorch 코드 기준

---